16、深度脑刺激VTA计算与语音瓶颈特征研究

深度脑刺激VTA计算与语音瓶颈特征研究

深度脑刺激中VTA计算方法

在深度脑刺激（DBS）中，对激活组织体积（VTA）的准确计算至关重要。研究人员测试了人工神经网络（ANNs）方法，该方法可对单极和双极刺激的激活传播进行建模。具体而言，训练了两个前馈网络来估计激活区域，一个描述每个激活区域的大小，另一个确定它们沿电极轴的位置。ANNs使用具有20个元素的隐藏层、Sigmoid传递函数和线性输出层进行训练。在评估时，会考虑计算时间和预测误差这两个定量指标。预测误差的计算方式为：将每个估计的VTA与通过黄金标准方法获得的VTA进行比较，误差公式为 ε = (FP + FN)/m，其中FP和FN分别是相对于参考数据集（数据库中的VTA）的误报和漏报，m是参考的活跃轴突数量，误差通过交叉验证方案计算。

研究对比了HKNN近似、ANNs和GPC三种方法预测的VTA与黄金标准方法的结果。不同方法的误差源于不同因素：GPC基于轴突相互独立的假设，忽略了活跃轴突之间明显的空间关系；ANNs考虑了轴突之间的空间关系，但在将其建模为椭圆时忽略了活跃轴突分布的细节；而HKNN方法假设在DBS刺激参数空间的小变化会导致VTA的平滑变化（前提是电极触点的激活状态和极性保持不变），因此需要有一组与所需VTA相似的VTA，即需要一个编码代表性VTA形状和大小的数据库才能成功估计神经激活范围。

通过对HKNN算法在最近邻数量K和二值化阈值ζ上进行参数扫描，发现当K < 5且0.4 ≤ ζ ≤ 0.6时，误差最低。这表明少量的邻居足以估计新的VTA，反映了VTA对刺激参数小变化的平滑响应。

不同方法的误差分布受活跃触点数量和封装组织阻抗的影响。对于所有研究的方法，误差往往随着活跃触点数量